近日，我校公共卫生学院卫生统计学专业刘妍博士在《Briefings in Bioinformatics》（中科院1区top期刊，IF：11.622）在线发表了题为“Identifying complex gene–gene interactions: a mixed kernel omnibus testing approach”的研究论文(https://doi.org/10.1093/bib/bbab305)，该研究结果表明在无需预先假设交互效应类型的情况下，混合核交互效应模型仍然能够稳定、有效地识别可能影响疾病的基因间复杂交互效应。

许多复杂性状的遗传基础涉及多个遗传变异以及它们之间的相互作用，所以多个基因通过交互效应共同对疾病造成影响。基因交互效应研究往往需要假设交互效应的类型，如果应用不当往往会导致模型检验效能下降，从而无法识别真正的交互效应。在实际分析中，交互效应的类型往往是未知的，混合核交互效应模型不受交互效应类型假设限制，通过核函数的权重来整合线性和非线性交互效应从而有效捕获基因间的复杂交互效应。

The 3-D plot (left) and heatmap (right) of -log10(P-value) for both main (diagonal) and interaction effects (off-diagonal) in KEGG pathway hsa00980. The numbers in the X- and Y-axis in the 3-D plot represent the genes.

该论文共同通信作者为公共卫生学院卫生统计教研室王彤教授和密歇根州立大学崔跃华教授。第一作者刘妍受国家留学基金委资助于2019年9月至2020年9月以联合培养博士身份赴美国密歇根州立大学学习一年，该研究主要部分于美国学习期间完成。